最近，朋友圈被黑洞的照片刷屏，一瞬间大家似乎都成了“科学迷”！
多年不吭声朋友发声了，让我确定自己总算没被拉黑；
微商不发广告了，各种向爱因斯坦、霍金、哥白尼的伟大致敬；
就连父母辈的转载起各种“宇宙神秘黑洞出现，人类还能活多少年？”的**文来。
但不管怎样，我们也成为宇宙中第一批看到真实黑洞的人类！
也有好玩的网友，看到黑洞纷纷不淡定了，在网络上展开了首届#黑洞PS大赛#……
有句话怎么说来着，一千个人眼里就有一千个黑洞！！
然而作为一名数据人，在关键时刻还是要保持自己的专业素养，甜甜圈什么的肯定是不合适了，不过看着黑洞我也有种似曾相识的赶脚……
emmmmm没错，看着黑洞，我脑海里浮现出的第一个词就是：热力地图！！
什么是热力地图？
热力地图，又称等值线地图（choropleth map），就像天气预报的降雨分布，高低冷暖气压带。是根据不同区域的位置（经纬度）数据，进行不同程度的颜色填充，从而反映各个区域的不同分布。但是热力地图远不止这么些应用，任何和地理信息相关的数据都能通过热力地图玩出花来。
如何制作热力地图？
写代码？记得几年前我还是个傻小子的时候，导师给了一骡子的数据，让我做一张热力图出来。0编程基础的我对着博客啃了几天，费了九牛二虎之力找了张地图底图，用JS写了两页代码：
手写代码做地图真的是比黑洞还恐怖的事…
好在现在的数据分析已经进化到新高度，通过BI工具，不需要写代码，也不需要懂数据库，只需简单的拖拽操作，就可以完成数据处理+数据可视化。
比如我就只花了2分钟的时间做出了如下的“黑洞”地图。用的是FineBI，一共6个步骤。
第一步：下载安装
在官网下载FineBI，它本质是BI商业智能工具，因为自带强大的可视化库，所以这里当可视化工具用，安装后打开。
第二步：数据准备
在中国，如果有一样物品的价格牵扯着所有人的神经，那么这个东西一定是房子。作为买房刚需群体的一份子，自然对房价是十分关注的。所以我从网上dawn了中国房地产业协会公布的《2019年3月份全国城市房价排名 》数据，来做一张房价热力图。
部分数据如下（Excel格式），源数据见文尾。
将数据导入分析，选择数据准备——点击添加业务包——在业务包下点击添加EXCEL——把上面这张Excel导入FineBI。
当然最骚的操作，还是直连数据库，能够实时更新，避免手动。以下是FineBI支持的30多种数据源：
第三步：新建组件
在导入好的excel数据集右上角点创建组件，就会新建一张仪表板，同时自动在仪表板中创建一个可视化组件，这里我给仪表板起名：1903房价数据。
第四步：地理信息识别
FineBI里地图里怎么定位？一种是让系统根据城市名自动识别经纬度。选取城市字段——转化为地理角色——系统会自动根据城市名字识别创建经纬度。另一种是直接读取经纬度数据进行匹配。
这里我用的是前一种，记得匹配好之后检查一下。
在城市字段上选择地理角色，这里使用的是城市级别的数据，因此地理角色选择城市。
点击确定，系统已经自动将城市名称转换为了对应的经纬度坐标，并生成了经度和纬度两个新的字段。
第五步：生成热力图
拖拉数据字段自动生成地图。把经度放在维度上，维度放在指标上，图表类型选择热力图。
热力图雏形出来了，但现在热力图并没有和数据绑定，没什么意义，接下来我们让热力图依据房价平均数据进行展示。
第六步：美化调整
将平均房价指标拖入热力色设定，让热力色根据平均房价进行展示。然后把配色调整成黑洞的感觉。
调整好配色，最后将背景图调为黑色，毕竟分析的是房价，还是要沉重一些，这样一张热力地图就大功告成，看了一眼表，嗯，1分59秒，果然没有超过两分钟~
通过拖动控制房价范围，可以看到随着房价变高，区域也逐渐缩小到了北京-上海-广州-深圳，也比较符合我们的认知。
令我比较意外的是，三亚陵水和厦门的房价，甚至超过了南京杭州这些新一线城市，难道东北大军已经…后续值得继续分析。
最后是使用FineBI完成房价热力图的技术总结：
读取数据：可以是导入Excel或者连接数据库；
处理数据：省市信息数据识别转化，或者经纬度数据匹配；
制作图表：拖拽数据字段，系统自动进行经纬度或者行政区名的匹配确认，一键生成地图；
美化：根据自己的小趣味或者分析目标，加数据警示、点线面的颜色大小处理，或者酷炫的动态效果。
其实，只要选对了工具，数据分析没有想象中的那么难，不要再用Excel切图构图啦。就像昨天才露出真容的黑洞，照片曝光后，不少人惊呼“黑洞原来没有想象中的那么可怕，反而有点可爱”。
数据分析BI
原创文章，作者：Maggie-Hunter，如若转载，请注明出处：https://blog.ytso.com/172833.html